시간변화 로컬 정보의 적응 확산 메커니즘

초록

본 논문은 네트워크에서 국부적인 위상·동적 정보를 기반으로 하는 시간 가변 결합 모델을 제안하고, BA 스케일프리 네트워크가 다른 토폴로지에 비해 확산 효율이 높으며, 저차수 노드가 상태 변화를 크게 겪는다는 사실을 밝혀낸다. 또한 상태 엔트로피를 도입해 확산 과정을 엔트로피 최소화 과정으로 해석하고, 이를 Gibbs 자유에너지 형태의 제약식과 연결시켜 열역학적 관점에서 네트워크 동역학을 설명한다.

상세 분석

이 연구는 기존 확산 모델이 정적인 결합 강도를 가정하는 한계를 넘어, 각 노드의 현재 상태와 이웃의 상태 차이에 따라 결합 강도 D_i가 실시간으로 조정되는 동적 라플라시안 L(t)을 도입하였다. D_i는 노드 i의 현재 상태보다 큰 이웃의 수 k_i^0와 전체 이웃 수 k_i의 비율(k_i^0/k_i)로 정의되며, 이는 “내부 요인”(자기 흥미)과 “외부 요인”(이웃 영향)의 상대적 중요도를 자동으로 반영한다. 수치 실험에서는 n=10,000, 평균 차수 ⟨k⟩=4인 네트워크들을 20번 반복 시뮬레이션했으며, Runge‑Kutta 0.01 스텝으로 미분 방정식(1)을 적분하였다. 결과는 전역 상태 파라미터 R(t)=∑_i x_i(t)/n이 시간에 따라 단조 증가하고, BA 네트워크에서는 R이 1에 근접하는 반면, K‑regular, WS, ER 등 동질적 네트워크에서는 낮은 포화값을 보였다. 이는 비대칭·가중치가 시간에 따라 변하는 라플라시안 L(t)의 비영 고유값 비율이 BA 네트워크에서 지속적으로 증가하고, 다른 네트워크에서는 감소함으로써 연결성(컴포넌트 수)의 변화를 초래하기 때문이다.

또한, 노드 차수와 상태 변화의 상관관계를 분석한 결과, 저차수 노드(k가 작을수록)는 평균 상태 R_k가 크게 상승하고, 확산 계수 D_k도 높게 유지되는 반면, 고차수 노드(k가 클수록)는 원래 상태를 유지하려는 경향이 강해졌다. 이는 고차수 노드가 많은 이웃을 가지고 있어 평균적인 외부 요인이 상쇄되는 효과로 해석된다.

열역학적 해석을 위해 상태 엔트로피 S(Q)=−∑_s q_s log q_s를 정의했으며, 여기서 q_s는 상태 s에 속한 노드 비율이며, N은 라플라시안의 영 고유값(연결 컴포넌트) 수와 동일하다. 시뮬레이션 결과 S(t)는 시간에 따라 지속적으로 감소하여 엔트로피 최소화 과정임을 확인했다. 이를 부등식 제약 최적화 문제로 전개하고 KKT 조건을 적용하면 제약 함수 h(Q)=C−βS(Q) 형태가 도출되며, 이는 Gibbs 자유에너지 G=H−TS와 형태가 일치한다. 따라서 확산은 “엔트로피 감소가 Gibbs 자유에너지에 의해 제한되는 비자발적 과정”으로 해석될 수 있다.

이러한 분석은 네트워크 구조가 동적 확산에 미치는 영향을 정량화하고, 열역학적 개념을 네트워크 동역학에 도입함으로써, 실시간 가중치 조정이 가능한 시스템(예: 전력 그리드, 소셜 미디어, 뇌 신경망)에서 최적화 전략을 설계하는 데 새로운 이론적 토대를 제공한다.